AGI迷宫预测数据集：一个用Transformer学习世界动态的紧凑基准

arXiv 2026 38.3 benchmark

TLDR

提出合成迷宫基准以测试Transformer世界动态预测，证明结构化空间记忆优于非结构化基线。

评分理由

The paper provides a controlled benchmark and clear comparisons across architectures, which is a strength. However, it relies on synthetic grid worlds rather than real-world tasks, and the abstract is truncated, limiting full assessment of limitations.

Read-first 评分解释

综合优先阅读分 38.3，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 33。

方法质量 15%

100

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基线、基准、数据集、评估、结果、验证

近期性 5%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

主题相关性 25%

47.1

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 15%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：数据集

图谱声望 15%

5.7

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0016

引用影响力 15%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。引用数：0

引用速度 10%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：721。

关键词评分

world dynamics prediction

world model

interactive world model

generative world model

world simulator

video world model

model-based reinforcement learning world model

深度分析

创新点

提出了AGI迷宫预测数据集与基准（AGI Maze Prediction Datasets and Benchmark），这是一个由程序化生成的有状态网格世界衍生的轻量级受控测试平台，用于研究世界动态学习。
定义了三种预测任务：单步转移预测、固定时域状态预测和序列化文本观察预测。
使用源迷宫不相交的训练与验证划分及贪心精确匹配评估，以区分可迁移的动作条件动态与对熟悉迷宫的記憶。
提出了一种伪视频空间记忆Transformer，它从输入地图初始化二维潜在工作空间，并根据动作历史进行更新，而无需接收中间地图、位置或状态标签。
表明结构化、任务对齐的工作记忆可能优于单纯的额外潜在容量，支持语言接地可能由持久数据结构介导的观点。

方法

该基准由程序化生成的有状态网格世界构建，包含单步转移预测、固定时域状态预测和序列化文本观察预测任务。采用源迷宫不相交的训练与验证划分，并使用贪心精确匹配评估。研究从头训练了字节级Transformer基线，并在相同数据、目标和评估协议下与两种工作记忆增强架构进行了比较。

关键结果

通用辅助潜在记忆Transformer可以完美拟合某些训练集，但并未持续改进留出集性能。伪视频空间记忆Transformer在选定的固定时域任务上达到了完美验证准确率，而字节级和非结构化记忆基线未能达到；同时它大幅改进了序列化文本痕迹预测。

局限性

仅在选定的固定时域任务上报告了完美验证准确率，而非所有基准任务。
该基准是轻量级且受控的，因此研究结果可能无法直接推广到更大规模或真实世界的世界建模场景。
摘要未报告多次训练运行或迷宫配置的统计显著性或方差。

技术栈

TransformerByte-level tokenizationLatent-memory architecturePseudo-video spatial-memoryProcedural grid-world generation

资源

论文